Вільний комп' ютер Текст для мовлення

Невимоглива модель параметрів 82М, яка забезпечує гнучку мову за допомогою швидкого об'єкта.

Швидкий, місцевий нейронний текст до системи мовлення оптимізований для Raspberry Pi і вбудованих пристроїв.

Умовний автоматичний кодувальник з адверсальним навчанням для кінцевого синтезу мовлення з тексту.

Висока якість багатомовного синтезу мовлення, що виконується на процесорі з мінімальною пізнотою.

Модель перетворення, заснована на тексті, яка створює реалістичну мову, музику та звукові ефекти.

Легша версія Bark з швидшим використанням об' єму і нижнім використанням пам' яті.

Широкий потік TTS Алібаби з властивістю людини і майже нульовою пізнотою.

Модель створення діалогового вікна синтезу мовлення, яка створює натуральні розмови між промовцями.

Опиши голос, який ви хочете почути рідною мовою, і Parler створює відповідну мову.

Нульовий TTS з акуратним контролем емоцій і високою експресивністю.

Голосове клонування TTS з контрольованими емоційами та манерою мовлення за допомогою запитів.

Небагато голосових клонувань TTS, які відтворюють будь-який голос лише з 5 секунд аудіо.

Емоційна модель TTS людського рівня тренувалася за 100K годин мовних даних.

Державне непродуктивне клонування голосу з емоційною контролею Resemble AI.

Багатоголосовий текстовий синтез фокусувався на якості з автоматичною архітектурою.

Синтез мовлення людського рівня через поширення стилю та вороже тренування.

Миттєве клонування голосу з гранулярним контролем над стилем, емоціями та акцентом.

Багатомовне TTS Алібаби з конфігурованим голосом і конструкцією голосу з тексту.

В' єтнамська + Англійська мовою, що перемішує коди TTS з 7 наборними голосами і нульовим голосовим клонуванням. Лише ЦП, не потрібен GPU.

Взірець розмовної мови створює природний діалог з відповідним часом і емоціями.

Швидше Chatterbox з запізнілими під200м і паралінгвістськими тегами для сміху, кашлю та інших.

TTS без тонера, що створює 44. 1kГц аудіо з консистенцією абзаців з контекстом.

Ультралегативна модель англійської TTS, що працює лише в 3GB VRAM.

Заснований на LLM TTS, які працюють на процесорі, GPU, або переглядачі за допомогою Lasa. cpp і Transformers.js.

Microsoft Model для багатомовного вмісту багатомовця, зокрема трансляції і аудіокнижки.

Невимоглива модель параметрів 100M, створена Kyutai з клонуванням голосу з однієї вибірки.

Ультралегативне TTS до 80 Мб. Виконує процесор без GPU.

Наступного покоління багатомовне TTS з двобічним керуванням, емоційним контролем і нульовим голосовим клонуванням.

Перший відкритий Саудівський-Аравічний TTS. Природний Саудівський діалект з високоякісним голосовим клонуванням Chatterbox.

Поперечний варіант Qwen3- TTS з масою FFN, змішаний з моделлю мови Qwen3- 1. 7B для гострішого багатомовного клонування.

Дієслово багатомовця-повторювальна модель, що складається у стилі трансляційного зв'язку з п'ятьма гучномовцями і 60 хвилин зв'язаного аудіо.

Ущільнити 0,5Б всемогутню модель мовлення від включенняAI з високофіделічною виводом 44,1кГц і клонуванням голосів з нульовим ударом.

Tiny 100M MOS-TTS перевищує ту саму архітектуру, 80x меншу, безкоштовну спізнення.